GitHub 热榜：天才黑客开源新项目，不到 1000 行代码，1400 Star！

满足对神经网络的需求

一个不错的 autograd 张量库可以满足你对神经网络 90％的需求。从 tinygrad.optim 添加优化器（SGD、RMSprop、Adam），再编写一些 minibatching 样板代码，就可以实现你的需求。

示例如下：

from tinygrad.tensor import Tensorimport tinygrad.optim as optimfrom tinygrad.utils import layer_init_uniform

class TinyBobNet: def init(self): self.l1 = Tensor(layer_init_uniform(784, 128)) self.l2 = Tensor(layer_init_uniform(128, 10))

def forward(self, x): return x.dot(self.l1).relu().dot(self.l2).logsoftmax()

model = TinyBobNet()optim = optim.SGD([model.l1, model.l2], lr=0.001)

… and complete like pytorch, with (x,y) data

out = model.forward(x)loss = out.mul(y).mean()loss.backward()optim.step()

支持 GPU

tinygrad 通过 PyOpenCL 支持 GPU。但后向传播暂时无法支持所有 ops。

from tinygrad.tensor import Tensor(Tensor.one